Ein neues Programm soll Preis-, Angebots- und Nachfrageprognosen mittels Technologien wie Machine Learning-Modellen verbessern.
Die Defense Advanced Research Projects Agency (DARPA), eine Forschungs- und Entwicklungsagentur des US-Verteidigungsministeriums, will die Transparenz auf den Märkten für kritische Mineralien und Rohstoffe erhöhen. Dem Pentagon zufolge führen Schwierigkeiten bei der Preisgestaltung und ungenaue Angebots- und Nachfrageprognosen dazu, dass das Ministerium nur bedingt auf Veränderungen innerhalb der Lieferkette reagieren könne, hieß es in der im Oktober veröffentlichten Pressemitteilung, die damals laut Reuters auf wenig Resonanz stieß.
Um diese Probleme anzugehen und die Entwicklung geeigneter Technologien anzuregen, startete DARPA daraufhin in Zusammenarbeit mit dem U.S. Geological Survey das Programm Open Price Exploration for National Security (OPEN). In diesem Rahmen wollen die beiden Regierungsbehörden öffentlich zugängliche, aber auch kommerziell verfügbare Informationen nutzen, um transparente Preisprognosen zu erstellen. Mithilfe von Fortschritten in der Wirtschaftsmodellierung und Machine Learning sollengenauere und präzisere Prognosen für Angebot und Nachfrage erstellt werden.
Ziel des Projekts sei es, „die Erstellung und Veröffentlichung von Preis-, Angebots- und Nachfrageprognosen auf kritischen Rohstoffmärkten zu revolutionieren“, so Reuters weiter.
In der Pressemitteilung heißt es weiter, dass Hersteller und Käufer kritischer Rohstoffe die von OPEN veröffentlichten Schätzungen als transparente Informationsquelle nutzen können. In von Reuters eingesehenen Dokumenten wird jedoch klargestellt, dass die Bestrebungen des Pentagons „nicht darauf abzielen, einen offiziellen Metallpreis der US-Regierung festzulegen oder die Londoner Metallbörse (LME) und andere Terminmärkte zu ersetzen.“ [Übersetzung Rohstoff.net]
Mehr über künstliche Intelligenz und kritische Mineralien: Der Einsatz künstlicher Intelligenz im Bereich kritischer Mineralien ist nicht neu. So nutzen chinesische Wissenschaftler beispielsweise Machine-Learning-Modelle, um Vorkommen von Seltenen Erden und anderen Rohstoffen in der Himalaya-Region zu lokalisieren. Mit einem ähnlichen Ziel arbeiteten DARPA und das U.S. Geological Survey bereits im Jahr 2022 zusammen und nutzten künstliche Intelligenz bei der Analyse heimischer Rohstoffvorkommen.
Photo: iStock/WUT789
